Machine learning adalah cabang aplikasi dari Artificial Intelligence (Kecerdasan Buatan) yang focus pada pengembangan sebuah sistem yang mampu belajar "sendiri" tanpa harus berulang kali di program oleh manusia.
Aplikasi Machine learning membutuhkan Data sebagai bahan belajar (training) sebelum mengeluarkan output. Aplikasi sejenis ini juga biasanya berada dalam domain spesifik alias tidak bisa diterapkan secara general untuk semua permasalahan.
Sebagai contoh: Aplikasi Pengenalan Gambar, Aplikasi Asisten pribadi seperti Siri, Google dll, Chat Bot, Pengenal Wajah, Mobil otonom dan domain-domain spesifik lainnya.
Saya pribadi dan team dulu pernah mengembangkan Aplikasi/App yang menggunakan Machine Learning untuk mengenali Makanan dan menampilkan informasi Gizi-nya (protein, Carbs dll) yang kita namain Tuingle . App nya bisa kamu coba
Yang suka foto makanan, Coba deh Download App Cerdas Buatan lokal nih?
Peran Data Dalam Machine Learning
Machine Learning bukan apa-apa tanpa data. Artinya semua aplikasi Machine Learning membutuhkan Data sebagai bahan training dan untuk di analisa sehingga mampu mengeluarkan Output.
Sebelum aplikasi machine learning bisa bekerja, maka ia membutuhkan Data untuk "latihan" (training), hasil training itu nanti akan di Uji atau di test dengan data yang sama atau bertolak belakang.
Misal Kita buat machine learning untuk mengenali Nasi Padang (Nasi Pada recognition system), maka untuk training kita sediakan koleksi ratusan, ribuan bahkan jutaan gambar nasi padang. setelah setelai, baru kita test hasil latihan itu dengan menginputkan nasi padang (sejenis) dan kita juga test dengan memasukan foto object lain seperti Mobil, Gunung, komputer dll.
Output machine learning umumnya berupa Prekdiksi beserta label tingkat kepercayaanya. Misal jika input gambar Nasi padang pada sistem maka sistem kita akan memberikan Output seperti ini:
1. Nasi Padang 0.99
2. Nasi pecel 0.78
3. Karedok 0.58
4. Nasi Kucing 0.40
5. Nasi kamvret 0.10
Output No 1 adalah output yang kita harapkan dan juga tingkat kepercayaannya mencapat 0.99 (paling tinggi). Skala yang digunakan dalam machine learning adalah 0 - 1 (0 sampai 1)
Data dalam machine Learning bisa berupa apa aja. Bisa berupa table seperti data di Ms Excel, Bisa berupa gambar seperti yang pada Tuingle atau pada Google Image atau apa saja yang memang disiapkan khusus untuk Input machine learning.
Secara (matematika) sederhana, rumus umum Machine leaning itu sebenarnya begini
Y = f(X)
Dimana:
Y = Output ,
X = Input,
f = fungsi (function)
Dimana secara singkat bisa katakan bahwa Machine Learning itu memenuhi kaidah :
Output = f(Input)
Atau dengan kata lain, Output (Y) dari machine learning adalah hasil dari pengolahan fungsi (f) terhadap Input (X)
Contoh pada aplikasi Tuingle, Jika saya kasih input berupa gambar/foto Nasi Padang, maka fungsi-fungsi/Algorithm dari tuingle diharapkan akan memberitahu kalo foto itu adalah Nasi Padang.